每次拓詞獲得了大量的關(guān)鍵詞之后，要整理關(guān)鍵詞數(shù)據(jù)。以前的做法相對(duì)簡(jiǎn)單粗暴，直接將這些內(nèi)容交給客戶了。其實(shí)客戶也不能看出個(gè)所以然來，更別說做一個(gè)系統(tǒng)的關(guān)鍵詞庫了。所以趁著這次的機(jī)會(huì)，來說說步，如何用工具來處理這些關(guān)鍵詞數(shù)據(jù)。

樣本庫選用了”手機(jī)游戲排行榜”的300個(gè)拓展的詞（量比較小，整理弄好也花了不少時(shí)間），當(dāng)初在一邊做一邊想。因?yàn)檫@個(gè)關(guān)鍵詞庫的處理終的影響結(jié)果是為了確定關(guān)鍵詞的子父級(jí)和確定頁面下的調(diào)用內(nèi)容，和為將來的內(nèi)鏈系統(tǒng)做準(zhǔn)備的，所以如果有偏差請(qǐng)?jiān)?。?dāng)然只是說說怎么用ICTCLAS2015工具處理這些關(guān)鍵詞的數(shù)據(jù)（不忘目的）。

地址?http://ictclas.nlpir.org/upload/20141230101836_ICTCLAS2015.zip 好后，進(jìn)入ICTCLAS2015in，用NLPIR_WinDemo.exe這個(gè)程序打開。

1、首先說一下，用戶詞典這個(gè)功能，因?yàn)楸容^實(shí)際，如果你不添加自己的詞庫，例如上面的例子“手機(jī)游戲”、“排行榜”等幾個(gè)關(guān)鍵的詞，產(chǎn)生的分詞結(jié)果會(huì)很雜亂，到時(shí)候會(huì)看到“手”、“排行”、“榜”等單獨(dú)的字塊信息，這樣處理起來會(huì)很亂。所以如下圖把不重要的會(huì)產(chǎn)生干擾的詞不斷完善到詞庫里，減少后期的處理量。用戶詞是需要的“需要添加的關(guān)鍵詞”，自定義詞性定義了這個(gè)詞的屬性，我習(xí)慣用英文的n,adj,adv什么的去標(biāo)記，待會(huì)告訴你這個(gè)東西會(huì)出現(xiàn)在哪里。 ? 2、接下來是分詞了。如下圖，沒有添加到過用戶詞庫里的詞出現(xiàn)了“”、“熱”和“火”分開的結(jié)果，“手機(jī)游戲排行榜”這個(gè)詞作為n_newword里過濾結(jié)果。 ? 然后你可以把這些東西復(fù)制到自己的excel里，去做處理了（如何處理看你自己的excel或者編程的功底，請(qǐng)自行腦補(bǔ)）。下圖是處理過的結(jié)果，這將近300個(gè)詞的詞根這樣出來了。 ? 第二張表格是對(duì)應(yīng)的處理完的各個(gè)詞的分詞結(jié)果，這個(gè)有些詞根出來的結(jié)果（比如那一串的“免費(fèi)”、“卡牌”）能幫你確認(rèn)這部分的相關(guān)詞了，終采用一個(gè)寫title行。總結(jié)：來說說這樣做的意義吧。

1、你是不是做類似http://www.dajiabao.com/jihua/shanghai的時(shí)候在想用什么去分類呢？仿照倒數(shù)第二張?zhí)幚淼慕Y(jié)果圖，你的頁面和分類的維度是不是能比較清晰的出來了？

2、比如“蘋果|”這個(gè)詞，你在做列表頁的時(shí)候，它的上級(jí)可以從“蘋果”里去調(diào)取父級(jí)的內(nèi)容；可以從“”（形容詞庫）里去調(diào)取相關(guān)的內(nèi)容，做成同質(zhì)推薦；假使有“蘋果||動(dòng)作”這個(gè)分詞的結(jié)果，那么可以將其內(nèi)容作為“你是不是想找……”這樣的子級(jí)內(nèi)容。至少這樣頁面在相關(guān)性上也更加容易被用戶所接受，不再是千篇一律的調(diào)用同一個(gè)板塊。 ? 說一下關(guān)鍵詞提取->詞頻這個(gè)功能，能幫你快速確定，你以前很粗礦的拓詞中加的類似“價(jià)格”“評(píng)論”這些個(gè)長(zhǎng)尾是否真的出現(xiàn)的頻率有想像中的這么高。

推薦閱讀